LeetCode 601 — Посещаемость стадиона (Python и SQL) [Сложный уровень]

🧠 Не упустите свой шанс! Получите БЕСПЛАТНЫЙ доступ к моему сообществу Skool — полному ресурсов, инструментов и поддержки, которые помогут вам в работе с данными, машинным обучением и автоматизацией ИИ! 📈 https://www.skool.com/data-and-ai-automations-4579 В этом продвинутом уроке мы решим задачу LeetCode 601: «Поток людей на стадионе», используя SQL и Python (Pandas). Это сложная задача, которая научит вас определять 3 или более последовательных записей на основе условия — распространенный шаблон в реальных условиях при отслеживании временных рядов и событий. 🚀 Закажите мои услуги по работе с данными: https://ryanandmattdatascience.com/data-freelancing/ 👨💻 Наставничество: https://ryanandmattdatascience.com/mentorship/ 📧 Электронная почта: ryannolandata@gmail.com 🌐 Веб-сайт и блог: https://ryanandmattdatascience.com/ 🖥️ Discord: https://discord.com/invite/F7dxbvHUhg 📚 * Практические вопросы для собеседования по SQL и Python: https://stratascratch.com/?via=ryan 📖 * Курсы по SQL и Python: https://datacamp.pxf.io/XYD7Qg 🍿 СМОТРЕТЬ ДАЛЕЕ Плейлист LeetCode: https://www.youtube.com/playlist?list=PLcQVY5V2UY4J_wlwSXiEuf2KrEBan0Ysv LeetCode 185: https://www.youtube.com/watch?v=4NBgLUyaIWA LeetCode 595: https://www.youtube.com/watch?v=W4swQ3A4Djc LeetCode 602: https://www.youtube.com/watch?v=GUgkapfuypU В этом видео я показываю решение задачи LeetCode 601 — «Поток людей на стадионе», сложной задачи на SQL и Python Pandas. Задача требует определить записи с тремя или более последовательными ID, каждая из которых содержит 100 или более человек, а затем вернуть результаты, отсортированные по дате посещения. Я разбираю решение шаг за шагом, начиная с подхода SQL с использованием оконных функций LEAD и LAG для проверки посещаемости за предыдущий и следующий день. Я покажу, как создать общее табличное выражение (CTE) для организации логики, а затем выполнить фильтрацию по трем различным сценариям: когда вы находитесь в начале, середине или конце последовательной последовательности, соответствующей критериям. Далее я покажу эквивалент в Python Pandas, используя функцию shift для воспроизведения поведения SQL LEAD и LAG. Хотя решение включает в себя некоторую повторяющуюся логику фильтрации, я объясню, как структурировать несколько условий с помощью соответствующих скобок и операторов вертикальной черты для идентификации подходящих последовательных записей. К концу этого урока вы поймете, как использовать оконные функции как в SQL, так и в Pandas для анализа последовательных шаблонов данных. Эта задача проверяет вашу способность работать со сравнениями на уровне строк между несколькими смежными записями, что является распространенной задачей анализа данных в реальных условиях. ВРЕМЕННЫЕ МЕТКИ 00:00 Введение и обзор проблемы 01:42 Решение на SQL: настройка функций опережения и запаздывания 03:14 Создание структуры CTE 04:08 Создание условий фильтрации 06:18 Решение на Python Pandas: использование функций сдвига 08:07 Реализация нескольких условий фильтрации 09:53 Тестирование и заключительное объяснение ДРУГИЕ СОЦИАЛЬНЫЕ СЕТИ: LinkedIn Райана: https://www.linkedin.com/in/ryan-p-nolan/ LinkedIn Мэтта: https://www.linkedin.com/in/matt-payne-ceo/ Кто такой Райан Райан — специалист по анализу данных в финтех-компании, где он занимается предотвращением мошенничества в андеррайтинге и управлении рисками. До этого он работал аналитиком данных в компании, занимающейся налоговым программным обеспечением. Он имеет степень в области электротехники Университета Центральной Флориды (UCF). Кто такой Мэтт? Мэтт — основатель Width.ai, агентства, занимающегося искусственным интеллектом и машинным обучением. До основания собственной компании он работал инженером по машинному обучению в Capital One. *Это партнерская программа. Мы получаем небольшую часть от конечной продажи без дополнительных затрат для вас.